AMLNN PPOCR部署

AMLNN是……

PPOCR是百度开源的一个OCR 工具链，同时适合端侧与服务器部署，这里介绍的是PPOCR文本检测与文本识别两个模型在AMLNN平台上的部署示例。

深度学习模型 是一套「固定网络结构 + 训练好的权重参数」的组合。

• 网络结构：定义计算图、网络层、算子与数据流，规定运算逻辑与执行顺序，不包含具体数值
• 权重参数：网络每一层的可学习数值（卷积核、偏置、全连接权重等），是模型训练得到的特征知识

PPOCR提供的是推理模型是飞桨推理引擎模型，包含三个文件：

• 权重文件
• 模型结构文件
• 推理配置文件

使用PaddleX 的 Paddle2ONNX 插件可以将PPOCR飞桨模型转换为onnx模型，参考paddleocr - obtaining_onnx_models。

paddle2onnx.py

paddlex \
    --paddle2onnx \  # 使用paddle2onnx功能
    --paddle_model_dir /your/paddle_model/dir \  # 指定Paddle模型所在的目录
    --onnx_model_dir /your/onnx_model/output/dir \  # 指定转换后ONNX模型的输出目录
    --opset_version 7  # 指定要使用的 ONNX opset 版本

使用adlaconvter工具可以将onnx模型转换为adla模型。

通过adlaconvter工具将ppocr onnx模型转换为adla格式，最重要的转换参数包括：

1. 输入模型
2. 归一化参数
3. 量化算法
4. 量化类型
5. 量化校准数据集，需要转换为npy格式

原始的输入是一张包含待识别文字的图片，需要做以下预处理后的数据才能用于推理

1. 读图：BGR格式存储
2. 缩放：图片等比缩放到960
3. 归一化：像素值从[0, 255]映射到[0, 1]
4. INT8量化：将[0, 1]范围的浮点值映射到[-128, 127]的整型范围

推理引擎初始化、加载模型后，引擎根据模型对输入的预处理后张量调用算子，进行前向计算并输出结果，结果包含三个图：

• 概率图：单像素为文字区域的置信度
• 阈值图：给每个像素分配独立二值化阈值，优化倾斜、弯曲文本边缘
• 二值图：模型内部根据前两张图计算得到，用于轮廓提取

基于模型输出的特征图，依次完成轮廓提取、阈值筛选、坐标逆变换、文本框矫正，最终输出原图上的文本四点坐标与对应置信度。

同检测模型流程：先将飞桨识别模型转为 ONNX，再通过 adlaConverter 转为 ADLA 格式，按需配置归一化参数、量化策略与校准数据集。

1. 裁剪图像：根据检测输出的坐标，从原图截取单行文字区域；
2. 尺寸规整：固定图像高度，宽度等比例自适应；
3. 归一化、维度变换、INT8 量化，匹配模型输入要求。

引擎加载识别模型并执行前向计算，输出字符序列特征张量。

对特征张量做 CTC 解码、字符字典映射、去重拼接，最终输出识别文本。

• 随着AI大趋势的发展，端侧AI也会被带着发展，业务会更加地多
• 平台上端侧AI的关键竞争力包括易用性、推理性能、安全等方面